LV-XAttn: Distributed Cross-Attention for Long Visual Inputs in Multimodal Large Language Models
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
AI 大模型
视频理解、视频生成、视频语言模型和时序视觉推理。
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
机构 * School of Software, Tsinghua University(清华大学软件学院) ; BNRist, Tsinghua University(清华大学BNRist) ; Department of Automation, Tsinghua University(清华大学自动化系)
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
机构 * SimulaMet and OsloMet, Norway(SimulaMet和OsloMet,挪威) ; Forzasys, Norway(Forzasys,挪威) ; SimulaMet, Norway(SimulaMet,挪威) ; SimulaMet, OsloMet, and Forzasys, Norway(SimulaMet、OsloMet和Forzasys,挪威) ; University of Central Florida, USA(佛罗里达中央大学)
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
机构 * National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University(国家多媒体信息处理重点实验室,计算机学院,北京大学) ; Nanyang Technological University(南洋理工大学) ; WeChat AI, Tencent Inc., China(微信AI,腾讯公司,中国)
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
机构 * Apple(苹果公司)
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
机构 * Shanghai Artificial Intelligence Laboratory(上海人工智能实验室) ; The Chinese University of Hong Kong(香港中文大学) ; Shanghai Jiao Tong University(上海交通大学) ; Nanjing University(南京大学) ; Fudan University(复旦大学) ; Nanyang Technological University(南洋理工大学)
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments ACL 2025 Findings
机构 * University of Science and Technology of China(中国科学技术大学) ; Shanghai Jiaotong University(上海交通大学) ; Merchants Union Consumer Finance Company Limited
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
机构 * University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) ; Salesforce Research(Salesforce 研究)
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
机构 * Meta FAIR ; Fudan University(复旦大学) ; Meta Reality Labs
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments Updated refs, fixed typos, and added new COCO SotA: 66.0 val mAP! Code, models, and data at https://github.com/facebookresearch/perception_models
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments Workshop Page: https://pvuw.github.io/. arXiv admin note: text overlap with arXiv:2504.00476, arXiv:2504.05178
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :text-to-video(abstract);分类 cs.CV
Comments Accepted by IEEE Transactions on Multimedia (TMM) on January 19, 2025. The code is available at https://github.com/songpipi/AMDNet
专题命中 视频理解 :long video(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments Accepted for presentation at the CVPR 2025 CVsports Workshop
专题命中 视频理解 :video language model(abstract);分类 cs.CV
Comments 18 pages, 7 figures
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments Accepted in CVPR-W 2025
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments Accepted to CVPR 2025
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments Technical report
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments CVPR 2025 Camera-ready, 18 pages, 7 figures, 9 tables
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
专题命中 视频理解 :text-to-video(abstract);分类 cs.CV
Comments Published at WACV 2025
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments Accepted by CVPR 2025, Project website: https://vision.cs.utexas.edu/projects/ProgressCaptioner/
专题命中 视频理解 :video understanding(abstract);分类 cs.CV
Comments CVPR 2025 Camera Ready